平均值陷阱：为什么它总在骗你

先看一个经典例子。某公司有10名员工，9人月薪8000元，老板月薪20万元。算一下平均数： (8000×9+200000) ÷10=27200元。这个数字公布出去，说“我们公司平均月薪两万七”，没人能说它算错了。但9个人拿到手的只有8000。平均值没有撒谎，它只是把所有人的处境平均掉了。这种“被平均”的体验，几乎每个人都遇到过。

为什么平均值这么容易骗人？因为它只用一个数概括一整组数据。数据一旦被压缩成一个点，分布的形状就消失了。两组数据可以平均值完全相同，内里却天差地别。比如A组是5、6、7、8、9，B组是1、2、3、12、17，两组平均数都是7。但你若只看到7，就完全不知道B组里藏着一个17和一个1。走势的剧烈波动、个体的极端差异，全被抹平。

日常报道里这种陷阱尤其常见。某城市公布去年人均可支配收入4.8万元，评论区一片“我又拖后腿了”。问题出在哪？收入分布通常是右偏的——少数高收入者把平均值拉高，而大多数人的收入集中在中位数附近。这时候中位数比平均值更能说明普通人的处境。如果中位数是3.6万，那意味着有一半人年收入不到3.6万。两个数放在一起看，画面才完整。

再看一个非收入的例子。某航线过去30天航班平均延误18分钟。听起来还能忍。但拆开看：28天准点，2天因暴雪延误了4小时。平均18分钟，对那28天的乘客毫无意义，对那2天的乘客也毫无意义。预测航班体验时，如果只看平均值，你会得出一个谁都不满意的结论。更合理的观察方式是看延误的分布：有多少比例超过1小时，有多少比例准点。

平均值陷阱的根源，是它假设数据围绕中心对称分布。但现实中的数据往往不是这样。气温、房价、用户停留时长、网站访问量，这些指标的分布常常是偏斜的，甚至有长尾。长尾意味着极端值虽少，却能把平均值拽向一边。这时候，中位数、众数、分位数，就比平均值更耐看。它们不试图用一个数说尽一切，而是保留分布的关键位置。

那是不是说平均值没用？不是。当分布接近对称、没有极端值时，平均值是个高效概括。比如一批零件的尺寸误差，通常围绕目标值对称波动，平均值就能反映整体水平。关键是先看分布，再决定用哪个指标。跳过分布直接看平均值，就像不看路况直接报平均车速——数字没错，判断容易错。

实际操作上，有几个简单习惯能帮你避开陷阱。第一，看到平均值时，顺手找一下中位数。两者差距越大，说明分布越偏。第二，问一句“这组数据里最大和最小是多少”。极值能提示长尾是否存在。第三，如果可能，按类别拆开看。整体平均工资涨了3%，可能只是高管涨薪，基层没动。分组之后，走势才看得清楚。

平均值是一个有用的起点，但它不该是终点。它像一张低分辨率的地图，能告诉你大致方向，却看不见沟壑和陡坡。面对任何一组数据，先别急着接受那个中心数字。多问一句分布长什么样，多看一眼中位数和极值，你对趋势的观察就会少掉很多误判。平均值没有错，错的是把它当成全部。